Pengenalan objek spesifik dengan metode Weighted Longest Increasing Subsequence

Abstract

Mengenali objek spesifik dalam gambar digital dengan akurat dan konsisten adalah salah satu hal yang masih menjadi tantangan hingga hari ini. Bebeberapa tantangan yang masih ada hingga hari ini diantaranya mendapatkan fitur yang tepat pada sebuah gambar digital dan mendeteksi pola dari objek yang ada pada gambar digital. Fitur tersebut biasanya paling banyak ditemui pada objek-objek yang ada pada gambar terutama pada pinggirannya. Untuk dapat mengenali objek, perangkat lunak harus dapat mendeteksi pinggiran dari objek tersebut menggunakan fitur yang ada. Pinggiran dari suatu objek akan membentuk pola dari suatu objek spesifik. Salah satu bagian penting dari gambar yang digunakan untuk mengenali suatu objek adalah fitur lokal. Fitur lokal tersebut dapat dideteksi memakai metode Scale Invariant Feature Transform(SIFT) ataupun Speeded Up Robust Features(SURF) yang merupakan metode populer dalam mendapatkan fitur lokal. Contoh dari fitur lokal sendiri bisa berupa pinggiran atau siku dari sebuah objek, misalnya pinggiran dan siku pada suatu buku. Sehingga bisa didapatkan batasan dari objek buku tersebut. Agar perangkat lunak dapat membedakan objek satu dengan yang lainnya dapat dilihat dari sejumlah fitur lokal yang membatasi suatu objek tersebut. Setelah itu perlu dicari pemasangan fitur lokal pada dataset, untuk dicari dataset dengan objek yang sama. Kumpulan fitur lokal tersebut yang telah dipasangkan akan dihitung menurut keterurutannya menggunakan metode Weighted Longest Increasing Subsequence atau WLIS. Hasil dari percobaan yang dilakukan perangkat lunak dapat mengenali objek spesifik dengan cukup baik. Perangkat lunak dapat mengenali objek spesifik pada gambar dengan benar sebanyak lebih dari 90% pengujian yang dilakukan. Perangkat lunak menghasilkan hasil yang konsisten ketika dilakukan pengujian berulang kali.